Automotive-Prozessor mit integriertem KI-Beschleuniger

TI hat zum ersten Mal einen dedizierten KI-Beschleuniger zu einem seiner Automobil-SoCs hinzugefügt, um die zunehmende Verbreitung von Deep-Learning-Techniken in Fahrzeug-ADAS-Systemen perfekt zu veranschaulichen. Der neue Deep-Learning-Block basiert auf TIs brandneuem C7x DSP IP plus einem selbst entwickelten Matrix-Multiplikationsbeschleuniger.

Der TDA4VM, einer der beiden ersten SoCs, die als Teil der Jacinto 7-Serie auf den Markt kamen, kombiniert Sensorvorverarbeitung und Datenanalyse, die darauf ausgelegt sind, Eingaben von 8-Megapixel-Frontkamerasystemen zu verarbeiten. Alternativ könnte der TDA4VM vier bis sechs 3-Megapixel-Kameras verarbeiten, die gleichzeitig mit Eingaben von Radar-, Lidar- und Ultraschallsensoren arbeiten. Diese Kameras und Sensoren ermöglichen fortschrittliche Fahrerassistenzsysteme (ADAS) wie automatisiertes Parken. Deep Learning kann verwendet werden, um Daten von verschiedenen Sensoren zu fusionieren oder Techniken wie die Objekterkennung zu ermöglichen.

Der TDA4VM enthält einen Deep-Learning-Beschleuniger für ADAS-Funktionen basierend auf der Analyse von Kamera-, Radar-, Lidar- und Ultraschalldaten (Bild:TI)

DSP Plus-MMA

Bei einer TI-Presseveranstaltung in München sprach EETimes Europe mit Sameer Wasson, Vice President und Business Unit Manager des Prozessorgeschäfts von TI, und Curt Moore, General Manager und Product Line Manager der Jacinto-Produktlinie von TI.

„Dies ist der erste SoC, der den C7x [DSP] enthält“, sagte Moore. „Wir haben Anweisungen für Vektoren hinzugefügt, die für Computer Vision gedacht sind, aber wir haben auch erkannt, dass, wenn man sich ansieht, wie DSPs traditionell verwendet wurden, ein Großteil dieses Erbes sich auf Dinge wie die Kommunikationsinfrastruktur bezieht, [wo das Problem] ist, wie man füttert eine riesige Datenmenge in einen SoC oder in eine Mathematik-Engine, wie Sie sie verarbeiten und wie Sie sie wieder herausholen. Es ist sehr schwer.“

Klicken für größeres Bild

Abbildung:TDA4VM Funktionsdiagramm. (Quelle:Texas Instruments)

Der neue C7x DSP ist darauf spezialisiert, große Datenmengen zu verarbeiten und komplexe mathematische Operationen in schwierigen Echtzeitumgebungen durchzuführen. Die Datenstreaming-Fähigkeit des DSP wurde mit einem Matrixmultiplikationsbeschleuniger kombiniert, um Deep-Learning-Anwendungen zu fördern.

„Wir nennen es liebevoll MMA“, sagte Wasson. „Es gibt verschiedene Situationen, wie wir es mit unseren Bibliotheken verwenden können … wir haben TIDL [Texas Instruments Deep Learning], eine oberste Schicht, die die Komplexität des MMA abstrahiert. Sie können es dadurch programmieren. Aber das Schöne daran ist, wie der C7x damit interagiert, um die Daten schneller ein- und auszugeben.“

Der TDA4VM ist für ADAS-Systeme zwischen 5 W und 20 W geeignet. In der Praxis sagte Wasson, dass Frontkamerasysteme normalerweise ein Leistungsbudget von unter 7 W haben, aber derselbe SoC eignet sich auch für komplexere Systeme wie automatisches Parkservice, die näher an 20 W kommen könnten.

Ein Teil des Pitch von TI ist, dass die Verwendung eines Hightech-SoCs wie dieses die Systemkosten für Anwendungen wie Frontkamerasysteme tatsächlich senken kann.

„Wenn Sie über die richtige Art von Deep Learning verfügen, benötigen Sie möglicherweise keine Stereokameras“, sagte Wasson. „Sie könnten es mit einem günstigeren Objektiv am unteren Ende machen. Für einen OEM oder Tier 1 sind das also deutlich niedrigere Kosten, aber Sie haben den Motor, der dies [effektiv] ausgleicht und Ihnen eine Leistungssteigerung verschafft.“

Rechenbereich

Die Deep-Learning-Engine im TDA4VM ist zu 8 TOPS fähig. Als der erste Teil der Jacinto 7-Serie eingeführt wurde, sagte Moore, dass es sich um einen Mittelklasse-Teil in Bezug auf die Rechenleistung handelt; zukünftige Geräte werden sowohl darüber als auch darunter kommen. Zukünftige Teile mit beispielsweise 2 TOPS könnten für weniger rechenintensive Funktionen wie Fahrerüberwachung oder Belegungserkennung nützlich sein.

„Eines der schönen Dinge am Automobilmarkt ist, dass all diese Anwendungsfälle nebeneinander existieren“, sagte Wasson. „Selbst wenn ein OEM eine brandneue, aktualisierte Plattform herausbringt, gibt es auf derselben Plattform verschiedene Fahrzeuglinien, die alle nebeneinander existieren. Die größte Herausforderung besteht dann darin, wie sie softwarekompatibel werden. Wenn Sie die skalierbarste Plattform erstellen und den SoC mit verschiedenen Anwendungsfällen skalieren, haben Sie ihnen jetzt eine Arbeitsfläche gegeben, auf der sie sich ausdrücken können.“

Moore beschrieb die breite Palette von Fahrzeugen, von denen jetzt erwartet wird, dass sie über ADAS-Funktionen verfügen, angefangen bei Fahrzeugen mit einem Preis von 10 bis 12.000 US-Dollar bis hin zu 100.000 US-Dollar und darüber hinaus.

„Fahrer in diesen Fahrzeugen haben andere Erwartungen“, sagte Moore und wies darauf hin, dass ein 3.000-Dollar-ADAS-System in einem 100.000-Dollar-Fahrzeug ein völlig anderer Vorschlag ist, als dasselbe 3.000-Dollar-System in einem Auto zu platzieren, das für 12.000 US-Dollar verkauft wird.

„Die andere Herausforderung für diese Unternehmen besteht darin, dass ihr [Entwicklungsbudget] 10 Millionen US-Dollar pro Jahr betragen könnte, wenn man selbst an einen großen Autokonzern denkt“, sagte Moore. „Sie müssen diese Entwicklungskosten über eine relativ kleine Anzahl von Fahrzeugen amortisieren, verglichen mit einem Mobiltelefonhersteller, der ein paar Modelle baut, und es werden Dutzende von Millionen [von ausgelieferten Einheiten] geliefert.“

Die Serienproduktion des TDA4VM wird voraussichtlich in der zweiten Jahreshälfte 2020 beginnen. Vorseriengeräte und das Evaluierungsmodul TDA4VMXEVM sind ab sofort verfügbar.